GPU计算与CAE — GPU能将CAE分析加速到什么程度
近年来，随着NVIDIA A100和H100等数据中心用GPU的发展，CAE分析的大幅加速已成为现实。本文从实务工程师的视角，解说GPU计算在CAE各领域中的实际应用、能实现多少程度的加速，以及仍存在什么课题。
GPU为何受CAE重视
老师，我最近听到"GPU分析"这个话题，GPU真的能加快CAE分析吗？是用游戏显卡做分析吗？
好问题。游戏用GPU和基本原理相同，但CAE中使用的是NVIDIA A100或H100这样的数据中心用GPU。CPU擅长"少数高性能核心"处理复杂计算，而GPU善于"数千～数万个小核心"同时执行相同计算。
明白了，就是并行处理的优势。但CAE的计算能进行那么充分的并行吗？
这是关键所在。在CAE中，显式法（Explicit法）中，各要素的计算是独立的，易于并行化。比如在汽车碰撞分析中，数百万个要素的应力与变形可以同时计算。而隐式法（Implicit法）需求解大规模联立方程组，GPU化相当困难。这个差异是理解GPU在CAE应用中最重要的要点。
GPU适配求解器的现状
实际上有哪些CAE求解器支持GPU？
主要的整理如下。
- LS-DYNA GPU MPP — 显式法碰撞与成形分析中GPU适配最成熟。支持多GPU（MPP），有5～10倍的加速实绩
- Abaqus Explicit — 显式法求解器支持GPU加速。对接触计算的加速效果特别显著
- Ansys Fluent GPU Native Solver — 从2023年起正式导入的GPU本地求解器。相比传统CPU版本最多可实现约10倍加速
- Ansys Mechanical（APDL） — 疏矩阵直接求解器的部分步骤（前进·后退代入）卸载至GPU。2～3倍加速
- COMSOL Multiphysics — 通过GPU组立加快单元刚性矩阵的组立。求解器主体运行在CPU
- OpenFOAM + AmgX — 使用NVIDIA AmgX库在GPU上执行AMG预处理，处于研发水平的探索阶段
哦，不同的求解器GPU化程度差异很大呢。LS-DYNA和Fluent发展比较充分，但结构分析的隐式法还是部分加速的感觉。
完全正确。显式法与GPU的相性非常好，已经到了求解器整体在GPU上运行的阶段。隐式法则采用"仅GPU加速求解器的部分"的混合方法为主流。
性能实绩与加速的实际情况
具体能快多少倍呢？听说"快10倍"有点像梦想。
基于实绩来讲是这样的。
- LS-DYNA 显式法（碰撞分析）：与CPU 64核相比，NVIDIA A100×4卡可实现5～10倍加速。汽车OEM全车模型（300万单元级）的报告案例
- Ansys Fluent GPU Native：稳态RANS计算可用NVIDIA H100×8卡达到CPU 512核等效性能。但在湍流模型和多相流方面的支持范围有限制
- Abaqus Explicit：GPU加速可实现3～8倍
需要注意的是，加速倍率"与什么比较"会产生巨大差异。与CPU单核比较会是100倍，但与最新CPU 128核比较可能只有几倍。查看基准测试结果时，必须确认比较对象的CPU配置。
确实，比较条件很重要。GPU硬件本身目前用的是什么？
CAE的主力如下所示。
- NVIDIA A100（80GB HBM2e）— 目前应用最广泛。FP64性能为9.7 TFLOPS
- NVIDIA H100（80GB HBM3）— A100的后继产品。FP64约30 TFLOPS。内存带宽大幅提升至3.35 TB/s
- NVIDIA GH200 — CPU与GPU集成的Grace Hopper。消除CPU-GPU间内存传输瓶颈
云环境中，AWS（p4d/p5实例）、Azure（ND系列）、GCP（A3实例）都可利用这些GPU。
GPU计算的架构与CUDA并行
GPU并行计算的内部机制是什么？经常听到CUDA这个词。
CUDA（Compute Unified Device Architecture）是NVIDIA提供的GPU并行计算平台。CAE求解器在使用GPU时，基本上都是基于CUDA实现的。
基本思路是这样的。
- 数据传输：从CPU内存（主机）向GPU内存（设备）传输网格数据和物性值
- 核心执行：在GPU上数千个线程并行执行要素计算。显式法为各要素内力计算，CFD为各单元通量计算等
- 结果回收：将计算结果返回CPU端，或进行下一时间步
关键是内存带宽。CAE计算常常是内存访问而非运算成为瓶颈（内存受限）。GPU的HBM（高带宽内存）比DDR5内存的带宽高5～10倍，因此对于内存受限的计算，GPU的优势更大。
不是运算速度而是内存带宽是关键！这有点出乎意料。
正是这样。比如显式法的要素内力计算，单个要素的运算量很小，但会对海量要素产生内存访问。这是典型的内存受限处理，HBM的宽带宽直接发挥作用。
用数式表示计算的"运算强度"（Operational Intensity）为
$$I = \frac{F}{B}$$其中 $F$ 为FLOP数，$B$ 为内存传输字节数。该值越小，越受内存限制，GPU的HBM越有效。CAE的显式法典型地处于 $I \ll 1$ 的区域。
隐式法GPU化困难的原因
刚才说隐式法GPU化困难，为什么呢？
隐式法的核心是求解大规模疏矩阵联立方程 $\mathbf{K}\mathbf{u} = \mathbf{f}$。这需要用直接法（LU分解）或迭代法（CG法、GMRES等）。
直接法的问题：LU分解会产生填充（原本为零的成分变为非零），内存使用量呈爆炸式增长。GPU内存仅有80GB左右，大规模模型很快就会内存不足。此外分解过程中存在依赖前一步结果的逐次处理，不适合GPU。
迭代法的可能性：CG法或GMRES法的部分GPU化较易，但预处理器（Preconditioner）成问题。不完全LU分解（ILU）等预处理器具有强烈的逐次性质。在GPU上执行AMG（代数多重网格）预处理器的研究是最前沿课题。NVIDIA的AmgX库是其代表例。
那隐式法的GPU化是现在正在研究的最前沿啊。将来能实际应用吗？
正在逐步推进。NVIDIA的Grace Hopper架构可以让CPU和GPU共享统一的内存空间，"直接法用CPU、带预处理的迭代法用GPU"这样的混合策略更容易实现。5年后，隐式法也很可能标准上支持3～5倍的GPU加速。
实务导入时的注意事项
实际导入GPU分析时有什么需要注意的地方吗？
实务中容易失败的要点整理如下。
- GPU内存的限制：单个GPU仅80GB内存。数千万单元的模型会出现内存不足。需采用多GPU配置或模型分割
- 双精度（FP64）性能：CAE需要FP64，但游戏用GPU（GeForce系）的FP64性能仅为FP32的1/32。必须使用数据中心用GPU（A100、H100等）
- 求解器的GPU支持范围：并非所有功能都支持GPU。例如Fluent GPU Native Solver在部分湍流模型和多相流模型未支持。事前需确认自己的分析条件是否支持GPU
- 许可证成本：某些求解器需单独的GPU许可。应以TCO（总拥有成本）比较
- 验证（V&V）：GPU版和CPU版的结果不会完全相同。由于浮点演算顺序不同，会出现微小的数值差异。在要求严格的领域，需要验证这些差异的合理性
GPU版和CPU版的结果会有微小差异！如果没注意到就危险了。
浮动小数点演算仅改变加法顺序就会改变舍入误差。GPU中数千个线程并行执行规约（求和计算），所以与CPU的执行顺序不同。从工程角度虽然差异可以忽略，但当品质管理部门问"为什么结果不同"时，需要准备好解释。
CAE技术日新月异。 — Project NovaSolver致力于将最新研究成果连接到实务工作中。
在GPU计算与CAE的实务中遇到的课题，请告诉我们
Project NovaSolver面对CAE工程师日常面临的课题——设置的复杂性、计算成本、结果解释——的解决而努力。你的实务经验将成为更好工具开发的驱动力。
咨询（准备中）GPU计算与CAE — GPU能将CAE分析加速到什么程度的CAE实务品质检验
GPU计算与CAE — GPU能将CAE分析加速到什么程度不是单独的公式，而应作为产业别CAE中的工程模型来处理。为得到可信的结果，需要连贯地处理支配物理、材料值、边界条件、离散化、求解器设置、后处理标准。在用于设计判断前，需明确哪些量是输入、哪些是计算结果、哪些是诊断指标。
建模检查清单
- 用途明确化：GPU计算与CAE — GPU能将CAE分析加速到什么程度是用于概估、详细设计、缺陷调查还是其他分析的验证，需事先决定。
- 单位统一：内部计算向SI单位靠齐，记录荷载、形状、材料常数、时间·频率尺度的换算。
- 假设明文化：确认线性性、定常/非定常、小变形、连续体假设、对称条件、理想边界条件的成立范围。
- 基准解比较：在采用前，与手工计算、极限情形、网格收敛或独立求解器结果进行对比。
验证中应观察的信号
| 确认项目 | 应查看的内容 | 应警戒的迹象 |
|---|---|---|
| 输入条件 | 形状、材料、荷载、约束是否与对应产业别CAE问题一致。 | 图形看起来自然，但数量级或单位不符。 |
| 数值设置 | 网格、时间步长、收敛容差、求解器设置是否对GPU CAE充分。 | 仅稍微改变设置，结果就大幅变化。 |
| 物理的适用范围 | 使用的理论是否在应力、温度、速度、频率范围内有效。 | 将结果外推超出模型假设的条件。 |
实务中，输入表、模型文件、结果图、审查意见应以相同单位保存。这样GPU计算与CAE — GPU能将CAE分析加速到什么程度的计算根据能被追踪，避免将页面作为黑箱答案使用的风险。
价值
更详细
错误